要約
近年、エンドツーエンドの自動運転フレームワークは、知覚性能を向上させるだけでなく、計画能力も向上させることが示されています。
しかし、これまでのエンドツーエンドの自動運転フレームワークのほとんどは、主に環境認識の強化に焦点を当てており、自動運転車の計画意図の学習は無視されていました。
エンドツーエンドのフレームワーク内で、この論文は、ナビゲーション パスを通じて明示的な計画意図を取得する NTT と呼ばれる方法を提案します。
NTT はまずナビゲーション パスに基づいて自動運転車の将来の目標点を生成し、それによってエンドツーエンドのフレームワーク内での計画パフォーマンスを向上させます。
一方で、目標点の生成により、自動運転車はナビゲーション経路から明示的な意図を学習できるようになり、計画の実用性が高まります。
一方、目標点に基づいて生成された計画軌道は、環境の変化により柔軟に適応できるため、計画の安全性が効果的に向上します。
私たちは、広く使用されている nuScenes データセットで優れた計画パフォーマンスを達成し、アブレーション実験を通じて私たちの方法の有効性を検証しました。
要約(オリジナル)
In recent years, end-to-end autonomous driving frameworks have been shown to not only enhance perception performance but also improve planning capabilities. However, most previous end-to-end autonomous driving frameworks have primarily focused on enhancing environment perception while neglecting the learning of autonomous vehicle planning intent. Within the end-to-end framework, this paper proposes a method termed NTT, which obtains explicit planning intent through the navigation path. NTT first generates the future target point for the autonomous vehicle based on the navigation path, thereby enhancing planning performance within the end-to-end framework. On one hand, the generation of the target point allows the autonomous vehicle to learn explicit intention from the navigation path, enhancing the practicality of planning. On the other hand, planning trajectory generated based on the target point can adapt more flexibly to environmental changes, thus effectively improving planning safety. We achieved excellent planning performance on the widely used nuScenes dataset and validated the effectiveness of our method through ablation experiments.
arxiv情報
| 著者 | Yuanhua Shen,Jun Li |
| 発行日 | 2024-06-12 15:55:42+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google